SIMPNet: Spatial-Informed Motion Planning Network

要約

現在のロボットマニピュレータは、雑然とした環境で動作するために、高速かつ効率的な動作計画アルゴリズムを必要とします。
最先端のサンプリング ベースのモーション プランナーは、高次元の構成空間に拡張するのが難しく、複雑な環境では非効率的です。
この非効率性は、これらのプランナが構成空間内で均一または手作りのサンプリング ヒューリスティックを利用するために発生します。
これらの課題に対処するために、Spatial-informed Motion Planning Network (SIMPNet) を紹介します。
SIMPNet は、構成空間内でインフォームド サンプリングを行うための確率的グラフ ニューラル ネットワーク (GNN) ベースのサンプリング ヒューリスティックで構成されています。
SIMPNet のサンプリング ヒューリスティックは、クロスアテンション メカニズムを通じてワークスペースをエンコードして構成スペースに埋め込みます。
マニピュレータの運動学的構造をグラフにエンコードし、サンプリングベースの動作計画アルゴリズムのフレームワーク内で情報に基づいたサンプルを生成するために使用されます。
私たちは、単純および複雑なワークスペース内で動作する UR5e ロボット マニピュレータを使用して SIMPNet のパフォーマンスを評価し、ベースラインの最先端のモーション プランナと比較しました。
評価結果は、ベースライン プランナーと比較した、提案されたプランナーの有効性と利点を示しています。

要約(オリジナル)

Current robotic manipulators require fast and efficient motion-planning algorithms to operate in cluttered environments. State-of-the-art sampling-based motion planners struggle to scale to high-dimensional configuration spaces and are inefficient in complex environments. This inefficiency arises because these planners utilize either uniform or hand-crafted sampling heuristics within the configuration space. To address these challenges, we present the Spatial-informed Motion Planning Network (SIMPNet). SIMPNet consists of a stochastic graph neural network (GNN)-based sampling heuristic for informed sampling within the configuration space. The sampling heuristic of SIMPNet encodes the workspace embedding into the configuration space through a cross-attention mechanism. It encodes the manipulator’s kinematic structure into a graph, which is used to generate informed samples within the framework of sampling-based motion planning algorithms. We have evaluated the performance of SIMPNet using a UR5e robotic manipulator operating within simple and complex workspaces, comparing it against baseline state-of-the-art motion planners. The evaluation results show the effectiveness and advantages of the proposed planner compared to the baseline planners.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google